Java将word转换为文本

复制代码
在Java中,你可以使用Apache POI库来读取Word文档并提取文本内容。你可以在 Maven 项目中添加以下依赖:
复制代码
<!-- Apache POI for Word 2007+ (.docx) -->
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi</artifactId>
	<version>4.1.2</version>
</dependency>
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi-ooxml</artifactId>
	<version>4.1.2</version>
</dependency>

<!-- Apache POI for Word 97-2003 (.doc) -->
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi-scratchpad</artifactId>
	<version>4.1.2</version>
</dependency>
复制代码
以下是一个简单的示例代码,展示如何使用Apache POI将Word文档转换为文本:
复制代码
import lombok.extern.slf4j.Slf4j;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.springframework.web.multipart.MultipartFile;

import java.io.IOException;

@Slf4j
public class WordUtils {

    /**
     * Word转换为文本
     *
     * @param file Word文件
     * @return 提取的文本
     */
    public static String wordToTextConverter(MultipartFile file) {
        try {
            if (file.getOriginalFilename().endsWith(".doc")) {
                // 处理Word 97-2003文档
                return processOldWordDocument(file);
            } else if (file.getOriginalFilename().endsWith(".docx")) {
                // 处理Word 2007及以上文档
                return processNewWordDocument(file);
            } else {
                throw new RuntimeException("不支持的Word文档格式");
            }
        } catch (IOException e) {
            throw new RuntimeException("无法读取Word文档", e);
        }
    }

    private static String processOldWordDocument(MultipartFile file) throws IOException {
        try (HWPFDocument document = new HWPFDocument(file.getInputStream())) {
            WordExtractor extractor = new WordExtractor(document);
            String text = extractor.getText();
            log.info("Word文档内容: {}", text);
            return text;
        }
    }

    private static String processNewWordDocument(MultipartFile file) throws IOException {
        try (XWPFDocument document = new XWPFDocument(file.getInputStream())) {
            if (document.getParagraphs().isEmpty()) {
                throw new RuntimeException("Word文档为空");
            }
            XWPFWordExtractor extractor = new XWPFWordExtractor(document);
            String text = extractor.getText();
            log.info("Word文档内容: {}", text);
            return text;
        }
    }
}
相关推荐
rannn_1111 小时前
【力扣hot100】链表专题|160、206、234、141、142
java·算法·leetcode·链表·面试·开发
leisoo80972 小时前
100GBA股股票数据怎么存ClickHouseRedisMySQLJSON完整对比
大数据·linux·服务器·开发语言·python
不会代码的小猴2 小时前
21. 泛型编程上
开发语言·c++·笔记·算法
IKUN家族3 小时前
Spring IoC&DI
java·spring·rpc
一只旭宝3 小时前
细讲C加加【9】C++ std::function与std::bind详解|仿函数、绑定器、类成员绑定、占位符、成员偏移指针
开发语言·c++·算法
山荷枝4 小时前
03-框架--Spring
java·后端·spring
ChaHae-In5 小时前
SpringBoot统一功能处理
java·spring boot·后端
coder!mq5 小时前
说几个常见的语法糖?
java·开发语言·算法
gugucoding5 小时前
38. 【Java】Stream API(下):高级操作与性能
java·开发语言
Lhan.zzZ5 小时前
在 Visual Studio 2022 中打造可扩展的动态链接库模块:从零搭建到原理解析
开发语言·c++·visual studio